Ein Konsortium, bestehend aus acht Partnern (Hochschulen und Unternehmen), forschte gemeinsam zum Thema Elektromobilität. Forschungsschwerpunkte im Projekt eE-Tour Allgäusind u.a.:
Auswerten der Fahrzeugdaten, Simulation von Fahrzeug- und Nutzermodellen
Entwicklung von Algorithmen zur energie-/reichweitenoptimierten Routenplanung
IKT basiertes Prognosesystem mit Risikobewertungsalgorithmen
Teilnahme/Organisation von Messen, Kongressen, Publikationen, Foren zur Beschleunigung der Marktdurchdringung
Netzintegration und Feldversucht mit Hybridtraktor (Pilotfahrzeug)
Kooperationen und Erfahrungsaustausch mit in- und ausländischen Modellregionen
Zu Projektbeginn stellte sich die Frage nach der Übertragbarkeit der in eE-Tour Allgäu erzielten Ergebnisse auf andere Regionen. Dazu wurde das PKW Verkehrsnetz des bayerischen Allgäus in puncto Konnektivität, Effizienz und innerer Erreichbarkeit anhand unterschiedlicher Indizes mit anderen bayerischen Regionen verglichen. Die Konnektivität und die Effizienz des Allgäuer Verkehrsnetzes liegen im bayerischen Durchschnitt. Lediglich die innere Erreichbarkeit ist aufgrund der Randlage zu den Alpen und der topographischen Gegebenheiten geringer. Die bewegte Landschaft im Allgäu mit ihren vielen Höhenunterschieden macht sich nicht so stark über Steigungen und Gefälle im Verkehrsnetz bemerkbar, wie man vermuten könnte. Auf Basis dieser Ergebnisse lassen sich die wissenschaftlichen Erkenntnisse, die in dem Projekt eE-Tour Allgäu erreicht wurden, auf andere Regionen Bayerns und Deutschlands übertragen.
Standorte für Ladeinfrastruktur – Heute schon gezapft?
Auch wenn der Bedarf an Ladeinfrastruktur einer kleinen Elektrofahrzeugflotte eher gering ist und die Fahrzeuge meistens an ihrem Ausgangsstandort geladen werden, nimmt allein schon die Möglichkeit unterwegs Zwischenladen zu können vielen Nutzern die Berührungsängste und erhöht die Akzeptanz für die neue Technologie. Für das Allgäu wurden die 14 optimalen Standorte für Ladesäulen hinsichtlich der Erreichbarkeit auf dem PKW-Straßennetzwerk im Untersuchungsgebiet modelliert. Mit geostatistischen Methoden erfolgte eine Gewichtung des zu erwartenden Bedarfs durch die Berücksichtigung von Wohnbevölkerung und den touristischen Übernachtungszahlen. Während der Projektlaufzeit konnte das verwendete Modell weiter verfeinert werden und es wurden Modellrechnungen für unterschiedliche Ausbaustufen einer Ladeinfrastruktur im Allgäu errechnet, wodurch nun Planungsgrundlagen für den zukünftigen Ausbau zur Verfügung stehen.
Energiebedarf – Welche Rolle spielen Höhendaten?
Einen besonderen Schwerpunkt wurde von der Arbeitsgruppe auf einen vielbeachteten Aspekt der Elektromobilität gelegt – die Reichweite. Wesentliche Faktoren, die Reichweite und auch Reichweiteprognosen entscheidend beeinflussen, sind Steigung und Gefälle der Fahrstrecken. Abhängig von der Geschwindigkeit benötigt beispielsweise das Elektrofahrzeug SAM bei einer Steigung von 4% zwischen 50-100% mehr Energie als auf einer ebenen Strecke. Daher stellte sich die Frage nach dem Einfluss der Genauigkeit verschiedener Datenquellen mit Höheninformationen. Diese liefern teilweise hochpräzise Höhen und sind aber kostenintensiv, oder sie haben mittlere Genauigkeiten und stehen aber kostenfrei zur Verfügung. Mit Hilfe eines selbst entwickelten Energiemodells für Elektrofahrzeuge konnte festgestellt werden, dass diese Unterschiede bei Einzelstrecken bis zu 30% betragen können. Jedoch ist der durchschnittliche Einfluss im Allgäu mit bis zu 1,5% der Daten mittlerer Genauigkeit gegenüber dem hochpräzisen Referenzmodell eher gering. Die gute Nachricht für eventuelle Produkte und Geschäftsmodelle ist also, das sich kostenfeie Höhendaten als Quelle für die meisten Applikationen eines energiebasierten Routings von E-Fahrzeugen durchaus eignen.
GPS Tracking der Flotte – Welche Wege? Welche Muster?
Ein weiteres Augenmerk wurde auf die Bewegungsmuster der Fahrzeugflotte gelegt. Dazu wurden mittels Data-Mining-Methoden die GPS-Tracking Daten der Fahrzeugflotte ausgewertet. In Teilen konnte zudem ein direkter Vergleich des Fahrverhaltens der jeweiligen E-Fahrzeugnutzer, zu ihrem Fahrverhalten mit herkömmlichen PKW durchgeführt werden. Dabei konnte u.a. festgestellt werden, dass die E-Fahrzeuge in der Lage sind, beinahe alle Fahrten gleichwertig durchzuführen. Mittels statistischer Abfragen konnten zudem Haltepunkte bzw. häufig frequentierte Parkmöglichkeiten identifiziert werden, die sich besonders für das Zwischenladen von elektrisch betriebenen Fahrzeugen eignen.
Bachofer, F. & Hochschild, V., 2011 - Range Prediction and Eco Routing: What influences have different digital elevation models and the accuracy of road network data? AAG, Seattle, USA.
Bachofer, F., 2011 - Einfluss der vertikalen Genauigkeit von DGM auf das EcoRouting von Elektrofahrzeugen. Angewandte Geoinformatik 2011, 338-346, Salzburg, Österreich.
Bachofer, F., Klett, S. & Hochschild, V., 2010 - Verkehrsraumanalysen mit GIS. Geoinformatik 2010, 189-190, Kiel.
Privacy settings
Our website uses cookies. Some of them are mandatory, while others allow us to improve your user experience on our website. The settings you have made can be edited at any time.
or
Essential
in2code
Name
in2cookiemodal-selection
Use
Required to save the user selection of the cookie settings.
Lifetime
3 months
Name
be_lastLoginProvider
Use
Required for the TYPO3 backend login to determine the time of the last login.
Lifetime
3 months
Name
be_typo_user
Use
This cookie tells the website whether a visitor is logged into the TYPO3 backend and has the rights to manage it.
Lifetime
Browser session
Name
ROUTEID
Use
These cookies are set to always direct the user to the same server.
Lifetime
Browser session
Name
fe_typo_user
Use
Enables frontend login.
Lifetime
Browser session
Videos
in2code
Name
iframeswitch
Use
Used to show all third-party contents.
Lifetime
3 months
YouTube
Name
yt-player-bandaid-host
Use
Is used to display YouTube videos.
Lifetime
Persistent
Name
yt-player-bandwidth
Use
Is used to determine the optimal video quality based on the visitor's device and network settings.
Lifetime
Persistent
Name
yt-remote-connected-devices
Use
Saves the settings of the user's video player using embedded YouTube video.
Lifetime
Persistent
Name
yt-remote-device-id
Use
Saves the settings of the user's video player using embedded YouTube video.
Lifetime
Persistent
Name
yt-player-headers-readable
Use
Collects data about visitors' interaction with the site's video content - This data is used to make the site's video content more relevant to the visitor.
Lifetime
Persistent
Name
yt-player-volume
Use
Is used to save volume preferences for YouTube videos.
Lifetime
Persistent
Name
yt-player-quality
Use
Is used to save the quality settings for YouTube videos.
Lifetime
Persistent
Name
yt-remote-session-name
Use
Saves the settings of the user's video player using embedded YouTube video.
Lifetime
Browser session
Name
yt-remote-session-app
Use
Saves the settings of the user's video player using embedded YouTube video.
Lifetime
Browser session
Name
yt-remote-fast-check-period
Use
Saves the settings of the user's video player using embedded YouTube video.
Lifetime
Browser session
Name
yt-remote-cast-installed
Use
Saves the user settings when retrieving a YouTube video integrated on other web pages
Lifetime
Browser session
Name
yt-remote-cast-available
Use
Saves user settings when retrieving integrated YouTube videos.
Lifetime
Browser session
Google
Name
ANID
Use
Used for targeting purposes to profile the interests of website visitors in order to display relevant and personalized Google advertising.
Lifetime
2 years
Name
SNID
Use
Google Maps - Google uses these cookies to store user preferences and information when you view pages with Google Maps.
Lifetime
1 month
Name
SSID
Use
Used to store information about how you use the site and what advertisements you saw before visiting this site, and to customize advertising on Google resources by remembering your recent searches, your previous interactions with an advertiser's ads or search results, and your visits to an advertiser's site.
Lifetime
6 months
Name
1P_JAR
Use
This cookie is used to support Google's advertising services.
Lifetime
1 month
Name
SAPISID
Use
Used for targeting purposes to profile the interests of website visitors in order to display relevant and personalized Google advertising.
Lifetime
2 years
Name
APISID
Use
Used for targeting purposes to profile the interests of website visitors in order to display relevant and personalized Google advertising.
Lifetime
6 months
Name
HSID
Use
Includes encrypted entries of your Google account and last login time to protect against attacks and data theft from form entries.
Lifetime
2 years
Name
SID
Use
Used for security purposes to store digitally signed and encrypted records of a user's Google Account ID and last login time, enabling Google to authenticate users, prevent fraudulent use of login credentials, and protect user data from unauthorized parties. This may also be used for targeting purposes to display relevant and personalized advertising content.
Lifetime
6 months
Name
SIDCC
Use
This cookie stores information about user settings and information for Google Maps.
Lifetime
3 months
Name
NID
Use
The NID cookie contains a unique ID that Google uses to store your preferences and other information.
Lifetime
6 months
Name
CONSENT
Use
This cookie tracks how you use a website to show you advertisements that may be of interest to you.
Lifetime
18 years
Name
__Secure-3PAPISID
Use
This cookie is used to support Google's advertising services.
Lifetime
2 years
Name
__Secure-3PSID
Use
This cookie is used to support Google's advertising services.
Lifetime
6 months
Name
__Secure-3PSIDCC
Use
This cookie is used to support Google's advertising services.